本專題使用兩台 NTSC 攝影機與一台筆電(Core 2/2.0Ghz)，以 wxDevC++、
OpenCV、wxWidgets 與 gnuplot 等為發展環境。我們以棒球與網球進行投球實驗，
系統偵測取得飛球座標後，將立刻計算三維軌跡和座標，快速取得棒球落點位 置，以便機械捕手提早移動至落點並接住球。
3.3.1. 攝影機參數校正攝影機參數校正攝影機參數校正攝影機參數校正
首先透過雙部攝影機拍攝不同姿態角度之棋盤格，計算特徵點座標與圖像座 標的關係。取得攝影機本身的內、外部參數後，利用內、外部參數計算出該部攝 影機的投影矩陣。獲得兩台攝影機各自的投影矩陣後，即可將擷取到的二維影像 座標轉換成三維影像座標。
(a) (b)
圖二十九、 雙攝影機校正程式之動作畫面: (a)左攝影機、(b)右攝影機。
3.3.2. 移動球體移動球體移動球體移動球體偵測與偵測與偵測與球心座標取得偵測與球心座標取得球心座標取得 球心座標取得
我們以三相背景相減法抓取到畫面的移動飛球，透過投影矩陣轉換取得飛球 的三維座標。圖三十為網球的移動偵測畫面，系統攝影機每 0.03 秒取得一張影 像，並執行三相背景相減法偵測球體。第一、三排影像為真實投球畫面，第二、
四排影像為移動偵測結果。
t=0.03s t=0.06s t=0.09s t=0.12s t=0.15s
t=0.18s t=0.21s t=0.24s t=0.27s t=0.30s
圖三十、 移動偵測動作畫面。
3.3.3. 即時軌跡預測結果即時軌跡預測結果即時軌跡預測結果即時軌跡預測結果
(a) Experimental Result #1 (b) Experimental Result #1
(c) Experimental Result #2 (d) Experimental Result #2
(e) Experimental Result #3 (f) Experimental Result #3 圖三十一、 飛蛾演算法之即時預測結果。
圖三十一為飛蛾演算法的即時投球預測結果，圖三十一(a)、(c)、(e)和圖三 十一(b)、(d)、(f)分別為三次投球實驗的預測畫面及軌跡擷取圖，紅色圓圈代表 系統預測之棒球落點。當球投出後，飛蛾演算法能立即計算出目標物第一次掉落 的位置，並以螺旋式軌跡持續進行追蹤以取得後續的第二、第三次落點。由於飛 蛾演算法是透過維持固定角度以持續追蹤飛球，當預測目標的飛行路線產生變 化，能進行預測落點的修正，並持續追蹤目標，具有很強的追蹤能力。
(a) Experimental Result #1 (b) Experimental Result #1
(c) Experimental Result #2 (d) Experimental Result #2
(e) Experimental Result #3 (f) Experimental Result #3 圖三十二、 複合式演算法之即時預測結果。
圖三十二為混合式演算法的即時投球預測結果，圖三十二(a)、(c)、(e)和圖 三十二(b)、(d)、(f)分別為三次投球實驗的預測畫面及軌跡擷取圖，畫面中的綠 色圓圈為系統預測之棒球落點。我們發現混合式演算法的預測落點非常穩定，改 善了飛蛾演算法螺旋式的預測結果。混合式演算法的預測流程可分為兩階段，第 一階段以重力加速度計算落點，第二階段執行飛蛾演算法，持續追蹤飛球並微調 預測落點，降低第一階段落點預測之誤差。由於混合式演算法的預測落點皆位於 地面， 因此非常適用於機器車捕手的設計和結合。